时间：2019年1月22日单位需要在EasyARM-i.MX287A开发板上做嵌入式开发，这块板子现在已经极其廉价，而且参考资料多又全，是入门不错的选择。之前没有接触过硬件编程相关的技术，参考了很多前辈的经验，实现了Arm开发板上运行Hello World，此文记录主要的实现过程。Arm开发现有WinCE和Linux两个平台，WinCE符合大多数用户使用Windows系统的习惯，Linux...

在测试TensorFlow可用性时(tf.test.is_gpu_available())出现错误Could not load dynamic library'libnvinfer.so.6'，本文记录解决方法。错误原因没有安装 TensorRT关于NVIDIA TensorRT:NVIDIA TensorRT是一种高性能神经网络推理(Inference)引擎，用于在生产环境中部署深度学习应用程序

本文记录错误 Failed to initialize NVML: Driver/library version mismatch 错误解决方案。问题复现$ nvidia-smi-->Failed to initialize NVML: Driver/library version mismatch问题分析NVIDIA 内核驱动版本与系统驱动不一致查看显卡驱动所使用的内核版本cat /pro

傅立叶变换，表示能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅立叶变换具有多种不同的变体形式，如连续傅立叶变换和离散傅立叶变换。本文梳理基本知识。概述Fourier transform或Transformée de Fourier有多个中文译名，常见的有“傅里叶变换”、“付立叶变换”、“傅立叶转换”、“傅氏转换”、“傅氏变换”、等等。傅

在前文了解过拉格朗日乘数法后，进一步介绍拉格朗日对偶。背景信息在约束最优化问题中，常常利用拉格朗日对偶性（Lagrange duality）将原始问题转换为对偶问题，通过解对偶问题而得到原始问题的解。拉格朗日对偶是在拉格朗日乘数法基础之上，通过变换原始问题的求解形式得到的相对于原始优化问题的另一个优化问题原始优化问题假设f(x)f(x)f(x), ci(x)c_i(x)ci​(x), hj(x)h

马氏距离(Mahalanobis distance)是由印度统计学家马哈拉诺比斯(P. C. Mahalanobis)提出的，表示点与一个分布之间的距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是，它考虑到各种特性之间的联系，本文介绍马氏距离相关内容。欧氏距离的缺点距离度量在各个学科中有着广泛用途，当数据表示为向量x→=(x1,x2,⋯ ,xn)T\overrightarr

本文介绍机器学习中的二分类性能评估指标Precision, Recall, Sensitivity, Specificity, Accuracy, FNR, FPR, TNR, TPR, F1 Score, Balanced F Score基本含义，给出公式和具体算例，并作简要分析。基础定义评估指标预测结果正样...

pytorch 模型部署很重要的一步是转存pth模型为ONNX，本文记录方法。转存 onnx建立自己的pytorch模型，并加载权重model = create_model(num_classes=2)model.load_state_dict(load(model_path, map_location='cpu')["model"])转存onnx文件dummy_input = torch.ran

特征函数是随机变量的分布的不同表示形式。概述一般而言，对于随机变量XXX的分布，大家习惯用概率密度函数来描述，虽然概率密度函数理解起来很直观，但是确实随机变量的分布还有另外的描述方式，比如特征函数。特征函数的本质是概率密度函数的泰勒展开每一个级数表示原始概率密度函数的一个特征如果两个分布的所有特征都相同，那我们就认为这是两个相同的分布矩是描述概率分布的重要特征，期望、方差等概念都是矩的特殊形态直觉

Tensorboard 方便而美丽，但是可远观不可亵玩有点不爽，还是数据落在自己手里比较踏实参考：https://blog.csdn.net/nima1994/article/details/82844988#commentBox可以方便地读取Tensorboard数据上代码from tensorboard.backend.event_processing import even...